一种多特征复杂零件模型到机床装备的端到端推荐方法技术

本发明专利技术公开了一种多特征复杂零件模型到机床装备的端到端推荐方法，将单特征零件体素模型作为数据集，构建3D卷积神经网络模型并对其训练，得到单特征零件分类器。当用户输入多特征复杂CAD零件模型，使用双水岭分割算法将原模型分割成单个特征的子模型，通过体素值填充得到体素模型，输入上述的单特征零件分类器，识别得到对应的加工特征。将零件的加工特征和固有属性构造成多字段搜索条件，从机床装备数据库中搜索满足条件的机床装备集合，根据多字段与机床装备相关度以及机床装备评分两部分计算综合评分，将评分较高的机床装备推荐给用户，实现多特征复杂零件模型到机床装备的端到端推荐。

【技术实现步骤摘要】
一种多特征复杂零件模型到机床装备的端到端推荐方法
本专利技术涉及到智能制造领域，具体涉及一种多特征复杂零件模型到机床装备的端到端推荐方法。
技术介绍
个性化、定制化制造逐渐成为当今制造业的新发展趋势，部分中小微企业及创客等个人设计者在完成CAD零件模型设计之后，因缺乏加工制造的专业知识，难以进行准确的工艺规划和加工设备选型。为了快速响应设计制造的需求，解决非专业人员从CAD模型设计到加工设备选型过程中耗时长、难定型的问题，研究一种智能化的机床装备推荐方法意义重大。目前，国内对三维CAD零件模型的特征识别和加工机床装备推荐的研究基本处于空白阶段。如何挖掘三维CAD零件模型蕴含的语义信息，并且根据这些语义信息选择合适机床装备是该类问题的焦点。近年来，深度学习在二维视觉领域得到了广泛的应用，尤其是在图像特征提取方面表现了卓越的性能。随着深度学习的进一步发展，也逐渐被用于三维模型，通过提取一组三维模型的之间的特征映射关系及语义相关性，可以从数据模型中学习得到三维模型的特征。将深度学习用于机械零件的特征识别，对于复杂多特征零件的分割以及零件特征识本文档来自技高网...

【技术保护点】
1.一种多特征复杂零件模型到机床装备的端到端推荐方法，其特征在于，该方法采用以下模型实现推荐过程：单特征零件分类器构建模块、复杂零件多特征分割识别模块和基于综合评分的机床装备推荐模块；/n单特征零件分类器构建模块，用于构建原始数据集，数据预处理，数据集增强和构建3D卷积神经网络模型；复杂零件多特征分割识别模块，用于复杂零件多特征分割和识别；基于综合评分的机床装备推荐模块，用于构建机床装备数据库，机床装备综合评分和机床装备推荐；单特征零件分类器构建模块的运行步骤包括：/n(1)构建原始数据集：针对机械零件典型特征，构建随机单特征CAD零件模型，将其转换为特定大小的3D体素模型，最后划分原始数据集...

【技术特征摘要】
1.一种多特征复杂零件模型到机床装备的端到端推荐方法，其特征在于，该方法采用以下模型实现推荐过程：单特征零件分类器构建模块、复杂零件多特征分割识别模块和基于综合评分的机床装备推荐模块；
单特征零件分类器构建模块，用于构建原始数据集，数据预处理，数据集增强和构建3D卷积神经网络模型；复杂零件多特征分割识别模块，用于复杂零件多特征分割和识别；基于综合评分的机床装备推荐模块，用于构建机床装备数据库，机床装备综合评分和机床装备推荐；单特征零件分类器构建模块的运行步骤包括：
(1)构建原始数据集：针对机械零件典型特征，构建随机单特征CAD零件模型，将其转换为特定大小的3D体素模型，最后划分原始数据集；
(2)数据预处理和数据集增强：对数据进行标签生成和中心归零化处理，对已有的3D体素模型进行空间变换加强数据集；
(3)构建3D卷积神经网络模型：构建的3D卷积神经网络模型包括输入层、卷积层、最大池化层、全连接层和输出层；在模型训练中使用交叉熵函数作为网络模型的损失函数，使用Adam优化算法训练优化网络模型，最后将训练完成的3DCNN模型作为单特征零件分类器；复杂零件多特征分割识别模块的运行步骤包括：
(4)复杂零件多特征分割：将多种特征的复杂零件使用步骤(1)和(2)中的方法进行数据处理，得到体素模型；采用分水岭分割算法，在每个特征上进行标记，采用最小覆盖过程来形成若干包含不同特征的子模块；
(5)复杂零件多特征识别：将若干不同特征子模块扩充为若干子体素模型，再将若干子体素模型输入步骤(3)构建的单特征零件分类器，识别得到对应的k≤n种加工特征；
基于综合评分的机床装备推荐模块的运行步骤包括：
(6)构建机床装备数据库：该数据库主要描述机床装备的能力属性和基本属性；对应的字段包括加工特征、加工对象、粗糙度、尺寸精度、形状精度、行程范围、生产厂家、价格等。
(7)机床装备综合评分：机床装备综合评分Score(Q，d)由多字段搜索条件与机床装备的相关度R(Q，d)和机床装备评分模型P(d)两部分组成；
(8)机床装备推荐：选取综合评分较高的机床装备推荐给用户，从而实现多特征复杂零件模型到机床装备的端到端推荐。


2.根据权利要求1所述的一种多特...

【专利技术属性】
技术研发人员：姚鑫骅，王笛，
申请(专利权)人：苏州智制云科技有限公司，
类型：发明
国别省市：江苏;32